学科分类
/ 1
10 个结果
  • 简介:研究基于关键资源优先的单元化“装卸、搬运、装卸”三级作业链调度问题。已知关键资源调度方案,将两非关键作业级的调度问题分别转化为最小单位流问题求解。在数学模型基础之上提出三级装卸搬运的分区协调策略。对关键装卸级作业区进行合理分区和设备分配,从而合理设置已知参数;提出非关键级装卸作业区的分区协调策略,以扩大计算规模。以码头三级装卸搬运作业链为例,参照宁波港码头数据,设计面向集装箱码头的仿真算例,通过较大规模算例验证分区策略对于计算大规模非关键装卸级调度问题的可行性和快捷性。

  • 标签: 管理科学与工程 运作优化 单元化装卸搬运 三级装卸搬运作业链 分区协调策略
  • 简介:装卸工问题是从现代物流技术中提出的一个实际问题,这个问题的雏形早在上个世纪60年代中国科学院数学研究所就提出和研究过.现代物流业的迅速发展,促成和推动装卸工问题的提出和研究.装卸工问题是一个新的NP困难的组合优化问题,本文研究限制情形下的装卸工问题,并证明是拟多项式时间可解的.

  • 标签: 运筹学 装卸工问题 NP困难 拟多项式时间可解 限制情况
  • 简介:研究了一类调度目标是最小化最大完成时间的并行调度问题。考虑到此问题的NP-hard特性,引入模拟退火算法思想以获取高质量近优解。分析了现有此问题模拟退火算法的缺陷,定义了关键机器和非关键机器,设计了一个包含局部优化的模拟退火算法。除了交换变换,还引入插入变换以改变各子调度中作业个数。大量的随机数据实验用于验证算法解的质量和计算效率,实验结果表明该模拟退火算法能够在有限时间内为大规模问题求得高质量满意解。

  • 标签: 调度 并行机 最大完工时间 模拟退火
  • 简介:本文首先分析了增量学习过程中支持向量与非支持向量的相互转化问题,而后在此基础上提出了基于超球结构的支持向量增量学习算法。该算法主要利用超球结构,完成对增量学习中训练样本的选取,进而完成分类器的重构。实验表明,该算法比传统支持向量增量学习算法具有更高的分类精度。

  • 标签: 机器学习 增量学习算法 超球结构 支持向量机
  • 简介:针对合作制造企业间关系的特点,界定了企业关系价值的基本内涵。通过对企业关系价值度量维度划分,建立了企业关系价值的度量指标体系。在此基础上,采用模糊支持向量方法建立了企业关系价值分级度量模型,并对其进行了分级度量。实验结果表明,该方法不仅能有效地度量出企业关系价值的级别,而且可以作为企业制定合作战略和决策的依据。

  • 标签: 合作制造 企业关系价值 数据挖掘 支持向量机
  • 简介:本文研究一类批容量有界的并行分批、平行在线排序问题。模型中有n个相互独立的工件J={J1,…,Jn}要在m台批处理机上加工。批处理每次可同时加工至多B(B<n)个工件。同一批中的工件同时开工,同时完工,工件加工过程不允许中断。工件Jj(1≤j≤n)的到达时间为rj,加工时间为1,工件是否会到达事先未知,而只有等到工件的到达时间才能获知它的到达。目标为最小化工件的最大完工时间。针对该排序问题,本文设计了两个竞争比均达到最好可能的在线算法。

  • 标签: 排序 并行批 最大完工时间 在线算法 竞争比
  • 简介:本文研究了一类不相关平行的排序问题,在该问题中工件的加工时间既具有学习效应,又资源可控,也就是说在该问题模型中,工件的实际加工时间为其正常的加工时间、加工过程中工件所处位置以及加工时间可控这些变量的函数。该研究的目的是为使得总机器负载和总的控制费用的加权和最小以及总的完工时间和总的控制费用的加权和最小。文章通过对问题的相关性质的分析和证明找到了一个解决问题的最优化算法,并且也证明了在处理的数量给定的条件下,该问题的时间复杂性为0(nm·2),最后也给出了相应的数值例子来阐述该问题。

  • 标签: 排序 平行机 学习效应 加工时间可控
  • 简介:本文根据直升应召搜潜的基本原理,描述了直升搜潜设备搜索潜艇目标的运动状态,建立了直升搜潜设备探测装置与潜艇相对运动的搜索模型,给出了直升最优搜索运动航线,解决了直升应召搜潜时如何快速搜潜的难题。

  • 标签: 直升机反潜 应召搜索 最优控制理论 快速搜潜方式
  • 简介:针对现有供应商分类方法应用于高端装备制造业供应商所存在的局限性,从相互依赖视角构建了高端装备制造业供应商分类指标体系,提出了基于改进支持向量的高端装备制造业供应商分类模型。该模型根据供应商误分代价不同,设计代价敏感支持向量分类器,利用粒子群算法优化分类器的参数,并采用概率输出方法对多个优化的二类分类器的结果进行组合以实现多类分类。实验结果表明,该模型提高了现有方法的分类效果,可以降低总体误分代价,有效识别出对高端装备制造企业具有重大影响的供应商,为高端装备制造企业实施供应商分类管理提供了依据。

  • 标签: 供应商分类 相互依赖 支持向量机 代价敏感学习 粒子群算法
  • 简介:本文以货物运输为背景新建立了一个批处理随机调度模型,目的是为了应付货物运输中运输时间的不确定性和货主取货时间的不确定性。首先将模型转化为与其等价的确定优化问题,接着研究给出了确定优化问题的性质,最后基于这些性质给出了一个求解确定优化问题的启发式算法。该问题的解决可望为物流公司等进一步改善服务质量提供了一些理论依据

  • 标签: 运筹学 随机调度 启发式算法 批处理机 货物运输